Waymo 发布了一个名为 ReD（Reference Driver）的新型认知系统，它通过模拟一个“谨慎且熟练”的人类驾驶员来评估和改进其自动驾驶出租车的安全性。该系统基于“主动推断”的神经科学理论，旨在量化人类的避险行为，从而为整个自动驾驶行业建立一个更科学、统一的安全评估标准。为推动这一进程，Waymo 计划将该模型以学术许可的方式开源。
什么是 ReD 系统？
为了弄清楚人类司机在规避事故方面为何有时优于自动驾驶系统，Waymo 开发了 ReD（Reference Driver）这一认知模型。它的核心目标是创建一个虚拟的“人类司机”，并将其与自家的自动驾驶出租车进行对比测试，以提升后者的事故规避能力。
“评估自动驾驶安全是一个复杂的问题，而理解人类如何处理冲突是其中的关键一环。通过建立这个能干的人类反应参考模型，我们可以推动行业走向一个共享的、有科学依据的碰撞规避行为评估方法。”
该系统被比作一个行为上的“碰撞测试假人”，但其设计的初衷是为了从一开始就避免碰撞的发生。
核心工作原理：主动推断
ReD 系统基于一个名为 主动推断 (active inference) 的神经科学概念，该理论认为，人类的行为总是在试图将“意外”最小化。
与之前的模型相比，ReD 能够模拟一个谨慎且能干的人类司机如何完成以下任务：
- 随着情况变化更新自己的判断。
- 管理对其他道路使用者意图的不确定性。
- 选择最佳的规避动作，无论是刹车、转向还是两者结合。
模拟真实的人类驾驶特征
ReD 模型融合了多种人类在驾驶时的直觉和习惯，使其更接近真实的驾驶员：
- 威胁判断 (Looming): 根据一个物体在视野中变大的速度来判断其威胁程度。
- 交通规范 (Traffic norm): 筛选出违反交通规则的行为，并为可能出现的意外情况制定预案。
- 单脚驾驶模拟: 为了更真实地模仿人类从油门切换到刹车的动作，模型内置了 0.2 秒的延迟。
- 主动规避: 就像许多人学车时被教导的那样——时刻假设最坏的情况。该模型能够预判潜在风险，从而在冲突发生前就主动避开。
目标：建立行业共同标准
Waymo 正在与研究人员、安全组织和监管机构合作，共同完善一个能反映“谨慎且熟练”的人类驾驶员的模型。
为了加速这一进程，该公司决定将 ReD 模型以学术（非商业）许可的形式开源，鼓励行业共同参与和完善，最终建立起一个更可靠的自动驾驶安全评估体系。